面向特征融合的脑卒中脑电信号分类方法

• 作者: 张雪英 李凤莲 王灿 胡风云 贾文辉
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 脑电图 脑卒中 α波段 小波包能量 近似熵
• 年，卷（期）: 2019,（24）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 154-158,258
• 页数: 6页
• 分类号: TP391
• 字数: 5223字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1808-0303

摘要

为了实现脑卒中患者中脑梗死、脑出血两类疾病脑电信号的高效分类与检测,提出了一种基于小波包能量与近似熵特征提取结合的脑电自动分类预测方法.将输入的脑卒中病人的脑电信号进行小波包分解,提取各个频段的能量并降维,而后与近似熵融合作为特征向量,并用支持向量机算法对其进行分类.研究结果表明该方法有较强的脑电特征分类识别能力,进一步单独提取原始脑电信号α波段的信号进行分类,得到了更优的分类效果,脑卒中脑电信号的分类准确率可以达到98.36%.这对临床上实现脑卒中疾病的智能预测具有辅助决策作用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张雪英	太原理工大学信息与计算机学院	233	1213	15.0	23.0
2	李凤莲	太原理工大学信息与计算机学院	44	117	6.0	9.0
3	胡风云	山西省人民医院神经内科	65	189	8.0	9.0
4	王灿	太原理工大学信息与计算机学院	6	41	4.0	6.0
5	贾文辉	山西省人民医院神经内科	9	18	2.0	4.0